- 博客(14)
- 收藏
- 关注
RSS订阅原创 线性回归概述
线性回归总结明白以下5点，对线性回归掌握的就很好了1.x y符合线性关系，如果不符合，采用多项式回归2.求解w使用梯度下降法3过拟合(有效集不参与跟新w，但是有效集loss上升时让训练停止)和欠拟合4特征随机(噪声，以及对噪声的理解)和特征多余(当出现多余的时候，特征的重要度就会稀疏)5为什么要用mse...
2021-11-16 12:50:35
445
原创 AttributeError: ‘Sequential‘ object has no attribute ‘predict_classes‘
这个问题一直困扰很久AttributeError: ‘Sequential’ object has noattribute ‘predict_classes’解决办法:Keras非顺序模型没有model.predict_classes()方法如何获取测试数据分类的标签有时分类任务中，当我们用测试数据测试训练好的模型性能时，希望得到模型输出的标签。此时，若搭建的模型为顺序模型，即利用model=Sequential()顺序添加神经网络层时可以直接调用model.predict_calsses()获取
2021-11-15 12:56:23
5282
4
原创 深度学习之异常检测实战
异常检测实战task：1、基于 anomaly_data.csv数据，可视化数据分布情况、及其对应高斯分布的概率密度函数2、建立模型，实现异常数据点预测3、可视化异常检测处理结果加载并可视化数据import pandas as pdimport numpy as npdata = pd.read_csv('anomaly_data.csv')data.head()#可视化数据%matplotlib inlinefrom matplotlib import pyplot as plt
2021-11-02 22:38:53
704
原创 深度学习之:ImageDataGenerator的注意点
图片增强注意点:ImageDataGenerator()增强扩充的是’original_data’里面子文件夹的图片，所以一定要有子文件夹，from keras.preprocessing.image import ImageDataGeneratorpath = 'original_data'#图片加强的文件路径dst_path = 'gen_data'#加强后的图片存放的文件夹datagen = ImageDataGenerator(rotation_range=10,width_shift_
2021-11-01 21:47:56
519
原创 学习人工智能第五周：深度学习的项目(下）
以图分类需求:通过机器学习的方式，让机器学习认字分类问题:输入图像，输出类别0_910类，+其他类用dnn模型进行分类，输出函数用什么函数?如果各个类别互斥，softmax如果不互斥，如图像的情感分析拒绝类怎么来:最好的方式随机生成，正常类有规律，拒绝类千奇百怪图像存储32*32像素，将图像作为输入，应该怎么输入，二维拉一维,图像归一化1确定神经网络的输入纬度m*n2所有输入的图像，都经过resize过程，归一化m*n一维输入……自由发挥(先用简单网络，慢慢变复杂)……softma
2021-06-20 15:17:06
260
原创 学习人工智能第五周：深度学习(上）
深度学习深度学习:是机器学习的一个分支逻辑回归不能处理线性不可分的情况，这个时候我们需要讲一些数据转换，坐标移动，比如在向量上变成椭圆深度学习软件：caffe pytorch tensorflow kerascpu vS gpu gpu就会算，处理不了逻辑深度学习实质：x--一层--两层--多层--输出(多分类使用softmax，二分类使用LR)每一层可以理解为特征组合，中间的这些被称为线性交换+激活把神经网络做的窄而深更好，模型变深还有很多学习上的障碍需要解决深度学习的梯度下
2021-06-20 15:15:31
54
原创 学习人工智能第四周：聚类和自然语言处理
Kmeans聚类：聚类是属于无监督学习聚类的缺点1初始值的影响2被异常点影响，解决方案：去掉最高和最低分，求平均，这里的异常点是从整体上来看的。3某些场合缺少物理化，比如年龄可以平均，但是男女不能平均4数值问题，身高和体重，体重变化明显，但是身高不变5，k值不好计算，也就是说，k表示分几类，最少是1，最大是样本数，，我们利用拐点来计算聚类真实的场景：很多的文章，先聚类为4类，比如政治，财经，娱乐，汽车，每一个聚类都有对应的专家，当一篇新的文章进来时，给政治专家，看是否是政治，也就是政治专家
2021-06-06 13:47:49
232
原创 学习人工智能第三周：集成学习之三个臭皮匠
首先：我们学模型要先学他的思想，从宏观角度出发一.随机森林：m个模型一起学习，减少抖动随机森林到底在干什么？减少抖动例子：预测一个人得重病的概率，真实是0.3通过模型预测是0.2，0.4（增加保费，别人不买）都会使赔的可能性大二.adaboost：m个模型串行学习每一轮样本的权重不一样，每个模型增加权重（对学不会的着重学，其他少学）三.m个模型串行学习，每一轮学上一轮的残差，各个分类器求和（学学不会的）例子：语文60，数学70，英语80GBDT：学语文40，数学30，英文20，不会的部分
2021-05-30 17:28:27
119
原创 学习人工智能第二周：逻辑回归(上)
逻辑回归与线性回归的对比线性回归：x-->模型-->y 知道坐标的一部份，求y逻辑回归：x-->模型-->类别(猫，狗) 知道完整的坐标，看在 直线的上面，还是下面分类：多类别，二分类 二分类简化：是不是猫，概率相加为1 二级分类：要么是1，要么是0，这样的话有点太硬了逻辑回归公式公式怎么用x-->模型-->f通过寻找w来找到合适的直线线性回归是mse，而逻辑回归是kl举例来求概率的距离多分类遇到多分类的情况，把
2021-05-16 20:37:27
60
原创 学习人工智能第二周：逻辑回归(上)
逻辑回归与线性回归的对比线性回归：x-->模型-->y 知道坐标的一部份，求y逻辑回归：x-->模型-->类别(猫，狗) 知道完整的坐标，看在 直线的上面，还是下面分类：多类别，二分类 二分类简化：是不是猫，概率相加为1 二级分类：要么是1，要么是0，这样的话有点太硬了逻辑回归公式看图图展示###### 公式怎么用x–>模型–>f通过寻找w来找到合适的直线线性回归是mse，而逻辑回归是kl举例来求概率的
2021-05-16 20:30:01
74
原创 学习人工智能第一周：线性回归(下)
上期回顾应用场景--->向量化--->模型-->结果人工智能主要围绕模型展开，模型可以理解为公式模型之一：线性回归模型是直线，让直线拟合这些点，所以叫线性回归需求：给出一组数据x,y，给出点的分布情况(给出一个公式)，类似于y=ax+b 也就是说，通过调整a,b的值，让直线拟合这些点 (调整w，b的值就是机器在学习的过程，要知道，不管怎么调整，都是由误差的，机器学习的目的 就是找到合适w，b让误差最小) 优化之后，我们得到w=2，b=
2021-05-09 21:55:59
112
原创 学习人工智能第一周：线性回归(上)
学习之前学习人工智能的学习曲线： 入门难，大多数人会在入门开始就放弃； 模型--深度学习---项目如下图：学习AI，就是要掌握方法论，才能一通百通，以不变应万变在AI中有句话：无法量化的事情，就无法优化图片的向量化看成图片的处理： 将每一个点都看成红(0-255)绿(0-255)蓝(0-255) 200*200像素的图片就是200*200*3 遇到图片大小不一：
2021-05-09 21:54:11
92
原创 爬取京东官网哪个口红颜色销量最好
爬取京东网站口红颜色import requests,jsonurl=requests.get('https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId=65679377853&score=0&sortType=5&page=0&pageSize=10&isShadowSku=0&fold=1')# 若打印出是html
2021-04-16 22:18:04
377
原创 python--函数学习
函数函数是实现某个功能，可以重复调用，只有调用的时候才会执行# 函数定义def fn(形参1,形参2): passfn(实参,实参,)# 默认参数，传和不传都可以def fn(a,b,c=4): print("a=",a) print("b=",b) print("c=",c)fn(2,4)# 位置参数，关键字参数(放在最后)def fn(a,b,c=4): print("a=",a) print("b=",b) print("
2021-04-06 22:07:14
118
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人